رفتن به محتوا

Chatterbox · Text to Speech · Multilingual

یکپارچه‌سازی

شناسه مدل chatterbox/text-to-speech/multilingual
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/chatterbox/text-to-speech/multilingual?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

این درخواست: ⁨‎$۰٫۰۰۲⁩ ۲ اعتبار API · ≈ ⁨‎₽۰٫۲۱⁩ اجرای آن در این صفحه

دریافت کلید API
Resemble AI متن به گفتار #text-to-speech#multilingual

تبدیل چندزبانه متن به گفتار با پوشش 23 زبان و محدودیت 300 نویسه در هر درخواست

Resemble AI · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 50 / 300

متن برای تبدیل گفتار، محدود به 300 نویسه و پشتیبانی‌کننده از 23 زبان. زبان‌های موجود شامل انگلیسی و فرانسوی؛ آلمانی، اسپانیایی، ایتالیایی و پرتغالی؛ هندی و عربی؛ چینی، ژاپنی و کره‌ای و زبان‌های دیگر است.

پیشرفته voice · custom_audio_language · exaggeration · temperature · cfg_scale · seed
پیش‌فرض english

کد زبان ترکیب گفتار؛ استفاده سفارشی به هر دو مورد نشانی اینترنتی صوت و انتخابی برای custom_audio_language نیاز دارد.

تنظیم زبان که فقط زمانی اعمال می‌شود که صدا به‌صورت یک URL سفارشی ارائه شود؛ در غیر این صورت نادیده گرفته می‌شود. زبانی را که در آن صوت سفارشی صحبت می‌شود مشخص کنید.

پیش‌فرض 0.5

بیان و شدت احساسی گفتار نسبت به تنظیم خنثی 0.5. افزایش مقدار، بیان‌گری را در محدوده 0.25–2.0 بیشتر می‌کند، هرچند تنظیمات افراطی ممکن است باعث ناپایداری شوند.

پیش‌فرض 0.8

تنوع الگوهای گفتار را با تنظیم تصادفی‌بودن تولید بین 0.05 و 2.0 تغییر دهید؛ افزایش مقدار تنوع بیشتری ایجاد می‌کند.

پیش‌فرض 0.5

وزن راهنمایی تولید برای پیکربندی/سرعت. برای انتقال زبان، مقدار 0.0 به محدودکردن انتقال لهجه کمک می‌کند؛ دامنه کامل 0.0–1.0 است.

seed تولید با دو رفتار: مقدار 0 تولید تصادفی را انتخاب می‌کند، در حالی که یک عدد مشخص خروجی‌های تکرارپذیر ایجاد می‌کند.

POST /run/chatterbox/text-to-speech/multilingual?wait=20 قیمت → ⁨‎$۰٫۰۰۲⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/chatterbox/text-to-speech/multilingual?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Chatterbox · Text to Speech · Multilingual

در زبان‌های مختلف، از جمله انگلیسی، فرانسوی، آلمانی، اسپانیایی، هندی، عربی، چینی، ژاپنی و کره‌ای گفتار تولید می‌کند. متن به 300 نویسه محدود است. `voice` زبان را تنظیم می‌کند، یا می‌توان URL صوتی سفارشی را همراه با `custom_audio_language` ارائه کرد. `exaggeration` بین 0.25 تا 2 است و `cfg_scale` را می‌توان برای انتقال زبان روی 0 تنظیم کرد تا انتقال لهجه کاهش یابد.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
textالزامی
نوعstring
≤ ۳۰۰ نویسه
متن برای تبدیل گفتار، محدود به 300 نویسه و پشتیبانی‌کننده از 23 زبان. زبان‌های موجود شامل انگلیسی و فرانسوی؛ آلمانی، اسپانیایی، ایتالیایی و پرتغالی؛ هندی و عربی؛ چینی، ژاپنی و کره‌ای و زبان‌های دیگر است.
voiceاختیاری
نوعstring
پیش‌فرضenglish
کد زبان ترکیب گفتار؛ استفاده سفارشی به هر دو مورد نشانی اینترنتی صوت و انتخابی برای custom_audio_language نیاز دارد.
custom_audio_languageاختیاری
نوعenum
englisharabicdanishgermangreekspanishfinnishfrenchhebrewhindiitalianjapanesekoreanmalaydutchnorwegian
+7 مورد دیگرpolishportugueserussianswedishswahiliturkishchinese
تنظیم زبان که فقط زمانی اعمال می‌شود که صدا به‌صورت یک URL سفارشی ارائه شود؛ در غیر این صورت نادیده گرفته می‌شود. زبانی را که در آن صوت سفارشی صحبت می‌شود مشخص کنید.
exaggerationاختیاری
نوعnumber
پیش‌فرض0.5
۰٫۲۵ – ۲
بیان و شدت احساسی گفتار نسبت به تنظیم خنثی 0.5. افزایش مقدار، بیان‌گری را در محدوده 0.25–2.0 بیشتر می‌کند، هرچند تنظیمات افراطی ممکن است باعث ناپایداری شوند.
temperatureاختیاری
نوعnumber
پیش‌فرض0.8
۰٫۰۵ – ۲
تنوع الگوهای گفتار را با تنظیم تصادفی‌بودن تولید بین 0.05 و 2.0 تغییر دهید؛ افزایش مقدار تنوع بیشتری ایجاد می‌کند.
cfg_scaleاختیاری
نوعnumber
پیش‌فرض0.5
۰ – ۱
وزن راهنمایی تولید برای پیکربندی/سرعت. برای انتقال زبان، مقدار 0.0 به محدودکردن انتقال لهجه کمک می‌کند؛ دامنه کامل 0.0–1.0 است.
seedاختیاری
نوعinteger | null
seed تولید با دو رفتار: مقدار 0 تولید تصادفی را انتخاب می‌کند، در حالی که یک عدد مشخص خروجی‌های تکرارپذیر ایجاد می‌کند.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "chatterbox/text-to-speech/multilingual",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 2,
    "usd": "0.002",
    "charged": 2,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size}فایل صوتی حاوی گفتار چندزبانه ترکیب‌شده.

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/chatterbox/text-to-speech/multilingual.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt